TA的每日心情 | 慵懒
2020-8-28 15:16 |
|---|
签到天数: 3 天 [LV.2]偶尔看看I
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 多源迁移学习提取了多个相似领域之间有用信息，提高了学习效率，但存在计算核矩阵的空间和时间 复杂度较高的问题．提出了一种多源迁移学习方法，该方法基于结构风险最小框架理论，以共同决策方向矢量为基准， 将多个相似领域的决策方向矢量嵌入到支持向量机的训练过程中，提高了目标领域分类器的分类性能．并结合核心向 量机理论提出了共同决策方向矢量核心向量机，实现对大样本数据集的快速分类学习．模拟和真实数据集实验表明了 所提算法的有效性． 9 Z4 d* b5 M6 o
( o$ ]. @2 B1 Q关键词： 共同决策矢量；多源迁移学习；分类；核心集向量机: h* |: E- X% S! L4 u; Z
8 k1 n# p% }9 F+ s# e
( l6 F1 I6 a! ^9 s# `
# C# Y! U4 l4 B1 F$ @. J 多源迁移学习是在迁移学习的基础上提出的一种 适用性更广的学习框架，其强调在多个相似但存在一定 差别的领域、任务和分布之间进行知识迁移，从而实现 提高目标领域分类器泛化性能的目的．多源迁移学习继 承了迁移学习的灵活性，同时兼顾了多任务学习的适应 性，已经成为近几年机器学习领域的研究热点．
1 D$ z7 [! i" L
! m8 l+ {: F: Z9 B8 O$ G: i; C+ S, O4 T0 {. P
# C: F1 V; A* m/ C9 T4 R+ R8 ~
, X, Q0 p8 S( @! W* w
附件下载： q" p( J0 V9 M g4 P6 s1 J2 } {
|
|
/1 
发表于 2021-3-18 10:45
收藏
淘帖
支持！
反对！